«Ma a cosa serve la data quality»? E soprattutto «che vantaggi comporta per la mia azienda»? «Non riesco a trovare un significato per la data quality in termini di business».
I top manager della vostra azienda non sono soddisfatti perché non comprendono il valore del lavoro da voi svolto sulla qualità dei dati, e questo costituisce chiaramente un problema, che rende utile dimostrare come la gestione della data quality sia necessaria e soprattutto abbia riflessi concreti sull’azienda.
I decisori vogliono sapere che impatto ha la qualità dei dati sul business e perché è importante. In altre parole, la domanda è: «Che valore c’è nell’avere informazioni di qualità»? Si tratta di domande importanti, anche perché nessuno vuole spendere denaro per qualcosa che non ha valore.
La mia metodologia “Ten steps to quality data and trusted information” (Dieci passi verso la data quality e l’affidabilità dei dati), comprende tecniche di impatto sul business che aiutano a rispondere a queste domande. Utilizzare queste tecniche aiuta a stabilire l’importanza e la rilevanza della qualità dei dati in modo che il management comprenda cosa possono fare con il loro denaro e fornisce input per prendere decisioni informate riguardo un investimento in qualità dei dati.
METODI QUALITATIVI E QUANTITATIVI - Le tecniche di impatto sul business comprendono metodi qualitativi e quantitativi che rendono chiaro il valore della data quality. Le tecniche vengono poste su un continuum di tempo e di sforzi relativi necessari per valutare l’impatto di business. Una delle ragioni per cui le tecniche sono posizionate su una timeline è che troppo spesso le persone pensano di non poter fare tutto ciò che riguarda l’impatto sul business perché non hanno il tempo di quantificare appieno il costo dei dati di bassa qualità. Ma era necessario dimostrare che si può valutare l’impatto di business utilizzando altre tecniche che possono essere ugualmente utili, anche se comportano meno tempo e fatica.
Analizziamo alcune di queste tecniche più in profondità.
ANEDDOTI - La “Tecnica 1” è una delle più semplici, ma può anche essere una delle più efficaci. Gli aneddoti spiegano i concetti di qualità e di gestione dei dati tramite un racconto. Raccogliere aneddoti e creare racconti da questi aneddoti costituisce la maniera più semplice e a minore costo per valutare l’impatto sul business, e soprattutto può già produrre risultati. I racconti suscitano interesse, e questo fa in modo che gli ascoltatori possano correlare l’impatto della qualità dei dati alle proprie esperienze. Un racconto giusto può esercitare rapidamente una leadership, anche se non contiene dati quantitativi. Ma non solo: questa tecnica può essere utilizzata per spiegare chiaramente e fornire un contesto per i fatti e le cifre di altre tecniche.
I CINQUE PERCHÉ - Con la “Tecnica 3”, viene modificata una tecnica spesso utilizzata per l’analisi delle cause e viene applicata per arrivare al vero impatto dei problemi di qualità dei dati. In questo processo si prende un problema noto di qualità delle informazioni e si chiede una variazione del “perché” cinque volte fino a quando si arriva all’impatto vero e proprio sul business, entrando più nello specifico ogni volta. Per fare un esempio, si può illustrare questa tecnica rispetto al problema relativo alla scarsa qualità delle informazioni nei report che provengono dal data warehouse.
Usando la tecnica dei cinque perché, si è in grado di discutere della scarsa qualità delle informazioni in termini di impatto sui commerciali e sul tempo sottratto ad attività capaci di portare ricavi. E questo è molto più utile rispetto a dire frasi del tipo «il report è sbagliato» oppure «c’è un problema di qualità dei dati».
Come si può vedere, l’intento è semplicemente quello di porre la domanda successiva più approfondita. La domanda può iniziare con «Perché», ma si possono usare «Chi, Cosa, Dove, Quando e Come». Per esempio: «Chi è danneggiato da questo problema di qualità dei dati»? «Quando e dove si verifica il problema»? «Quanto spesso si pone il problema»? Questo processo non dovrebbe essere vissuto come un interrogatorio dalla persona con cui si sta parlando, ma come una conversazione collaborativa in cui coinvolgere ed esplorare insieme l’impatto sul business.
COSTI/BENEFICI E CLASSIFICAZIONE DELLE PRIORITÀ - La “Tecnica 4” e la “Tecnica 5” contribuiscono a dare priorità alle esigenze di business e a determinare quali devono essere affrontate per prime. Spesso mi sento chiedere: «Danette, stiamo parlando di tecniche di impatto sul business, ma queste sono le tecniche di prioritizzazione. Perché sono state incluse nel discorso»? Ma quando si ordina per priorità un elenco e qualcosa viene classificato al primo posto e qualcos’altro alla decima posizione, che cosa si sta dicendo in realtà? Semplicemente, che tutto ciò che è al primo posto è più importante o ha un impatto superiore rispetto tutto ciò che è in decima posizione. Con la data quality ci viene sempre chiesto di fare di più rispetto alle risorse e al tempo disponibile, pertanto è fondamentale avere buone tecniche per dimostrare l’impatto sul business attraverso le priorità.
CONCLUSIONI - Tutte le tecniche menzionate qui possono avere successo da sole o in combinazione tra loro. Come si è detto, le tecniche variano sia nei tempi sia nella complessità relativa da valutare. Capire dove si situano nel continuum offre la possibilità di scegliere meglio quelle maggiormente applicabili in qualsiasi situazione, per poi utilizzare le tecniche più valide in base alla quantità di tempo e di risorse che si ha a disposizione, ma sapendo che si può sempre fare qualcosa relativamente all’impatto sul business. L’importanza di essere in grado di mostrare l’impatto sul business non può essere sottolineata abbastanza, dato che è essenziale per ottenere qualsiasi tipo di supporto per la qualità dei dati e delle informazioni, che si tratti di tempo, risorse, denaro o esperienza.
Parti di questo articolo contengono materiale dal libro “Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information” di Danette McGilvray, pubblicato da Morgan Kaufmann Publishers, copyright 2008 Elsevier, Inc.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James